虽然目前地位还没有那么高,但后来是美国三院院士,在斯坦福AI圈内算得上第一流导师。
其次,她跟《自然》《美国国家科学院院刊》等顶级杂志,以及视觉三大顶级会议等组织的关系很不错,她的IMAGENET赛事经常在顶会上举办。
与她合作,自己的成果发布起来会轻松不少。
凭借自己的成果质量,基本上几个会议的奖项可以说是预订了。
最后,她在谷歌的影响力,会一定程度上使得自己的成果更容易推动,乃至具体分成和其他的谷歌内部事情都会更加顺利一些。
在会场直接谋求入学斯坦福是孟繁岐之前就想好了的事情,因此他早就备好了纸质的简历和研究计划书等内容,甚至还包括辛顿帮忙写的推荐信。
可以说是非常有备无患了,辛顿也只得扼腕叹息,为何自己所在的学校偏偏远在加拿大,果然还是近水楼台先得月。
此时,台上的韩辞手忙脚乱了一番之后,开始了自己的展示部分。
“到目前为止,AI相关的学科发展,已经彻底改变了人们过去对AI的认识。
孟的残差思想在许多图像任务上取得了令人叹为观止的成就。
比如比人类更精确地识别图片,又或者直接凭空生成完全不存在的图像。
而这些了不起的成就,主要是通过求解的方式来完成。
();() 例如,对于任一图像问题,我们感兴趣的是从图片到具体意义的映射函数,比如图像到它的内容的类别。
目前惯常的训练做法是,基于一个有限的数据,给出目标函数的一个高效逼近。
又或者是利用没有标签的有限样本,逼近采用背后的未知概率。”
“神经网络的基本组成部分即为:线性变换与一维非线性变换。
深度神经网络,一般就是上述结构的反复复合。
对于已经构建的网络,设计一个最优化问题,根据经验误差去拟合数据,有时加上一些正则化项,并求解该优化问题。”
韩辞的幻灯片上开始展示密密麻麻的一些公式,“由此,我们便可以把误差分解成三部分,逼近误差完全由假设空间的选取所决定,估计误差由数据集的大小和质量而带来的额外误差,以及优化误差,这是由优化,或者说训练带来的额外误差。”
虽然之前已经大概了解了韩辞在这方面的想法,但在如此正式的场合,看到她有些紧张却仍旧十分自信的展示这些专业高深的内容。
孟繁岐还是相当敬佩的。
这里面的不少结论都是后来世人熟知的,不过大都是通过大量的实验观察,总结归纳出的一些经验性结论。
虽然今生,孟繁岐将会在诸多AI应用领域开天辟地,可内在的数理证明,终将是他两辈子都无法越过的鸿沟。
对那些可以做到这些事情的人,人们难免会另眼相待。
而此时此刻,会场当中,看好韩辞的并不只是懵懵懂懂觉得厉害的孟繁岐。
以辛顿为首的学院派,比如牛津团队的几位老教授,眼中满是赞许的目光。
这个待遇是连孟繁岐刚刚也没有的。
“可能这就是老学究们对于理论的偏爱吧。”
孟繁岐笑着摇了摇头,自己这个做AI应用技术的,可能永远没有办法获得这几个怪老头的如此偏爱。
一个平庸的山村少年,几经转折最终踏入修仙门派,他如何以平凡的资质修得仙法,如何一步一步走向巅峰,跻身枭雄宗师之列,谱下一曲逆天的仙道之路。...
谢依晴做梦也没想到,她刚买了一大袋零食,还没来得及吃上一口,就一不留神被撞进了古代。小小的姑娘,有一点点可爱,有一点点甜,有一点点迷糊,还有一点点暴力倾向还好,家里爷爷奶奶慈祥,爹娘宠溺,...
重生回到末世前,带着异能回来的林兮愿望很简单找出父母的死因,努力提升异能,和那个不太给力的男票分手只是为啥某人,不对,某死人,也不对,某丧尸王也跟着重生了林兮炸毛泥奏凯,离我远点,你...
这个世界上总有人要扮演反派角色而他,乐意效劳冻感超人所写的职业反派快穿无弹窗免费全文阅读为转载作品章节由网友发布。...
网文填坑节来袭独家番外连载爆更大佬包场免费看。秦王扫六合,虎视何雄哉。挥剑决浮云,诸侯尽西来。穿越为嬴政亲弟的嬴成蟜,本想在皇兄羽翼下体验下纨绔生活。从没想与嬴政争皇位,他是个惫懒性子,当皇帝哪有当皇弟来的快活?他只想当个坐看庭前花开花落,淡望天上云卷云舒的咸鱼。可当大侄子嬴扶苏被贬上郡,有性命之忧时,他坐不住了,十年来首次上朝。这一起来,就再也没坐下去。本书又名我真不想权倾天下不正经人在大秦大秦的勾栏叫楼台...
茸茸是只貔貅幼崽。一觉醒来,她脑海中有个自称阻止黑化系统的东西说,宿主现在在一本小说里,你的爸妈是炮灰,你的哥哥们是反派。茸茸不解的歪头,眨巴一下水汪汪的大眼睛。系统继续说,三天后你的大哥...